基于深度强化学习的轨道式巡检机器人巡检驻点规划方法

针对三峡水电站中轨道式巡检机器人的实际巡检需求,对巡检驻点规划展开研究。机器人的巡检驻点一般为人为根据经验及场景预设,因此难以规划最优驻点,影响检测效果。该文通过机器人本体搭载的各种传感设备信息构建综合环境感知函数,作为无模型强化学习算法的环境信息,引导机器人找到最优检测驻点。最后设计实验评估了该方法的有效性。     

数字视频系统设计中的集成新概念(上)

在数字视频创新已经成为数字信息产业热点的今天,数字视频系统的设计方法不断提高,这样既可以为数字视频产品拓展差异性空间,也能够缩短开发周期以满足日新月异的市场需求。现在数字视频系统的复杂度已经远远超过以往任何时候,特别是随着单片系统(SoC)时代的到来,广大设计人员正面临着前所未有的挑战。在SoC成为数字视频系统平台的时候,新的集成开发概念也就应运而生,其实质就是通过综合的集成开发环境以及所提供的多种工具,实现数字音视频软件与底层系统软件及相关应用的集成,并采用有效的手段进行调试。关于数字视频系统设计的集成理念可以结合业界具有代表意义的单片数字媒体处理平台达芬奇(Davinci)及其开发技术作一些探讨,其中包含基本开发理念、开发集成环境、数字视频配置工具和图形系统可视化工具四个方面。     

基于空时域信息融合的水面垃圾显著性检测

针对现有目标检测算法在水面垃圾检测中,由于图像存在光照、水纹、倒影等干扰导致的算法鲁棒性不足的问题,提出了一种融合空域先验信息和频域相位谱的水面垃圾显著性检测方法。在空域融合基于背景先验、局部对比度先验和暗部区域先验信息生成的最小障碍距离图、对比度图和背景图,得到初始的水面垃圾显著图;在频域对图像相位谱进行低秩分解再加权融合,得到冗余较少的显著目标。实验证明,该方法准确率可达96.4%,可有效抑制波纹、光照、倒影的干扰。     

面向变电站机器人的仪表检测与场景理解技术

为提升变电站巡检机器人巡检效率和环境适应能力,将深度学习算法应用于变电站巡检机器人仪表检测和道路场景理解中,提出一种多视觉任务交替实现的轻量级卷积神经网络.该网络由骨干结构、控制模块、任务分支3部分串联组成,通过改进的Inception结构结合注意力模型提取图像特征信息,引入基于分类思想的控制模块实现仪表检测和场景理解支路交替运行,使网络充分利用平台计算资源,避免对无效信息的处理.实验结果表明,所提网络与传统网络相比,其精度与效率都有较大的提升,同时,在实际变电站场景中,该网络也体现出更高的适应性,可以更好辅助机器人完成巡检任务.     

数字视频系统中的集成新概念(下)

数字视频配置工具 将数字视频嵌入应用中的首要难题在于实施视频的复杂性要远远超过简单的图像与音频压缩和解压缩.数字视频可以采用形形色色的形式与格式,开发人员需要支持繁杂的配置和各种不同的方面,其中包括不同的分辨率/显示器尺寸、不同的比特率、实时问题乃至视频源的可靠性等,例如来自硬盘驱动器的视频流与来自无线通信链路的视频流的区别和处理.